如何理解分支和边界中广度优先搜索的内存问题

Question

我最近对分支定界方法感到困惑。分支定界方法有三种搜索策略：深度优先搜索，广度优先搜索和最佳优先搜索。所有书籍和文献都指出，广度优先和最优先的将会更多地记忆所使用的计算机。怎么理解这个？以二叉树为例，当从实时节点列表中取节点（父节点）进行处理时，生成两个子节点（或子节点）并插入到实时节点列表中，但应删除父节点因此，只有一个节点的内存增加。从这个角度来看，所有三种搜索策略都采用了与计算机相同的记忆。 我对吗？它让我困惑了很久。有人能给我一些建议吗？

Answer 1

那么，

您可以考虑数据结构：

广度优先搜索：它是作为队列实现的。展开节点（父节点）时，在队列中包含子节点。父节点已删除。 我们举一个例子：

1. 展开 45 ：我们在队列中包含20和70并删除45，所以：

     

   20 | 70

2. 展开 20 ：我们从队列中展开第一个节点并包含他的儿子：

     

   70 | 10 | 28

3. 展开 70 ：我们从队列中展开第一个节点并包含他的儿子：

     

   10 | 28 | 60 | 85

   依旧......

如您所见，空间复杂度为指数：O（）（ b =分支因子; d =深度，最初为0 ）

Deepth-first-search：它是作为堆栈实现的：



1. 展开 45 ：我们在堆叠中包含20和70并删除45，所以：

     

   20 | 70

2. 展开 20 ：我们从堆栈顶部展开第一个节点并包含他的儿子：

     

   10 | 28 | 70

3. 展开 10 ：我们从堆栈顶部展开第一个节点并包含他的儿子：

     

   1 | 18 | 28 | 70

   依旧......

现在空间复杂度线性：O（d）。两种算法的时间复杂度均为O（）。

Best-first-search：根据启发式评估函数 f（n）对队列进行排序，并使用最佳 f（n）扩展成功者。空间复杂度是线性的： O（d）。

希望这有帮助。